Avances en el uso de inteligencia artificial en la educación médica latinoamericana

Resumen

La inteligencia artificial es la capacidad de un sistema para emular funciones cognitivas. En el ámbito de la salud, se utiliza como respaldo en la determinación de decisiones complejas y formación de habilidades médicas. Es una herramienta para crear escenarios de simulación virtual y evaluar el desempeño de los estudiantes de medicina. El objetivo de esta revisión bibliográfica es describir los avances en el uso de inteligencia artificial en la educación médica en Latinoamérica. Se consultaron las bases de datos PubMed, SciELO, y en Google Académico; se incluyeron publicaciones en español e inglés del período 2019 al 2024, se aplicaron palabras clave y operadores booleanos. La inteligencia artificial en la formación médica busca replicar habilidades cognitivas en la resolución de problemas, y se clasifica en inteligencia artificial estrecha e inteligencia artificial general. Es una herramienta transformadora que potencia la realidad virtual, optimiza los resultados, ofrece oportunidades para fortalecer la efectividad de la atención sanitaria y hacer mejoras en la personalización del proceso de aprendizaje. Sin embargo, su implementación requiere abordar desafíos éticos y legales para su pleno aprovechamiento. En Latinoamérica, se observa el constante aumento de la adopción de herramientas basadas en la inteligencia artificial para la formación del personal médico.

Abstract

Introducción

La  inteligencia  artificial  (IA)  se  define  como  la facultad de una plataforma digital de imitar  funciones  cognitivasⁱ.  El  desarrollo  de  esta tecnología y su introducción en la profesión médica contribuye al desarrollo en el área  de  diagnóstico  y  terapia.  La  tendencia  indica  que  las  aplicaciones  de  la  IA  se  integrarán cada vez más al sistema de salud. Los profesionales sanitarios son los responsables de asegurar que el uso de estos sistemas sea de beneficio para el paciente, sin embargo, surge la incertidumbre si la IA se consolidará solo  como  una  herramienta  o  si  podría  reemplazar a los médicos en el futuroⁱⁱ.

La idea de la IA se remonta a 1950, cuando Alan Turing formuló la prueba de Turing diseñada para evaluar si una máquina puede  engañar  a  un  interrogador  haciéndole  creer  que  sus  respuestas  eran  humanas.  En  esta prueba, el interrogador debe distinguir entre  un  humano  y  una  máquina  por  medio  de  sus  respuestas;  si  identifica  a  la  máquina,  esta  no  ha  superado  la  pruebaⁱⁱⁱ.  En  la Conferencia de Dartmouth en 1956, John McCarthy introdujo el término «Inteligencia Artificial»,  marcando  así,  el  inicio  formal  del  campo de estudio de la IA^iv. En  1986,  la  Universidad  de  Massachusetts  creó  DXplain,  una  perspectiva  novedosa  en  la  gestión  de  decisiones  médicas.

Este sistema produce una variedad de diagnósticos  alternativos  al  examinar  síntomas  particulares.  Además  de  su  utilidad  diagnóstica,  DXplain  se  ha  consolidado  como  un  recurso  educativo  valioso  para  los  estudiantes de medicina^v. La  IA  dio  sus  avances  significativos  en  los  años  80  y  90,  cuando  comenzó  a  aplicarse  en  entornos  clínicos,  incluyendo  sistemas  expertos  difusos,  redes  bayesianas,  redes  neuronales  artificiales  y  sistemas  híbridos  inteligentes.  Para  2016,  la  mayoría  de las inversiones en investigación de IA se destinaron  al  uso  de  esta  herramienta  en  el  ámbito  sanitario^v,  presentándose  como  una  herramienta  novedosa  para  administrar  la  información  del  paciente  y  facilitar  la toma de decisiones^vi.

Se    consultaron    las    bases    de    datos    PubMed  y  SciELO,  y  en  Google  Académico;  se  incluyeron  publicaciones  en  español  e  inglés  de  los  años  2019  al  2024,  además,  se  utilizaron  palabras  clave  y  operadores  booleanos  en  la  estrategia  de  búsqueda.  El  propósito  de  esta  revisión  es  describir  los  avances  en  el  uso  de  IA  en  la  educación   médica   latinoamericana,   incluyendo   sus   tipos,   herramientas,   oportunidades   y   desafíos en la región.

Discusión

Cuando la IA alcanza un uso generalizado, a menudo  deja  de  ser  considerada  como  tal,  fenómeno  conocido  como  el  «efecto  IA».  Esto sucede cuando observadores menos familiarizados  con  el  tema  desestiman  la  conducta  de  un  programa  de  IA  al  argumentar  que  no  refleja  inteligencia  auténtica^vii.  La  IA  integra  herramientas  tecnológicas  y  procesos esenciales del comportamiento humano con  el  fin  de  simplificar  el  trabajo  y  alcanzar  las metas^viii. La creación de máquinas capaces de superar habilidades en términos de carga laboral, eficiencia, precisión, resistencia, fuerza y repetitividad. No obstante, una constante en todas estas creaciones es que el propósito es reemplazar, perfeccionar o ir más allá de las habilidades físicas del ser humano^ix. Cuando  se  habla  de  IA,  se  refiere  a  la  resolución  de  problemas  y  al  aprendizaje  a  través  de  la  simulación  de  la  inteligencia  humana  mediante  la  utilización  de  máquinas  como  computadoras  o  robots  que  han  sido   programados   para   imitar   funciones   cognitivas^x,    mediante    redes    neuronales    artificiales  que  imitan  la  arquitectura  del  cerebro  por  medio  de  nodos  organizados  en  capas  e  interconectados,  que  replican  la actividad neuronal^ix.

En el campo  médico,  la  IA  ha  emergido  rápidamente  como  un  actor  principal,  gracias  a  su  capacidad  para  recopilar  datos  que respalden las decisiones clínicas fundamentadas en evidencia sólida^x. La IA replica el  pensamiento  humano  mediante  tácticas  como el aprendizaje automatizado y el procesamiento del lenguaje natural^xi. Según  Martínez-García  et  al.,  la  IA  se  clasifica  en  dos  grandes  grupos  basados  en  su  capacidad  cognitiva:  la  IA  estrecha,  limitada  o  débil,  está  desarrollada  para  funciones  específicas  y  no  posee  la  habilidad  de  razonar  ni  de  adquirir  conocimientos  de  nuevas  circunstancias;  y  la  IA  general  o  fuerte  que  demuestra   capacidades   cognitivas   humanas  amplias  como  el  razonamiento,  la  adquisición de conocimientos y el abordaje de problemáticas que le permite adaptarse ante tareas desconocidas^xii.

Vidal Ledo et al., agregan  que  la  IA  débil  supone  que  los  ordenadores  solamente  pueden  simular  el  proceso  de  razonamiento,  mientras  que,  la  IA  fuerte  por  medio  de  un  ordenador  puede  poseer  estados mentales, lo que permitiría en algún momento  la  creación  de  una  máquina  con  todas las capacidades mentales humanas^xiii. MorandínAhuerma clasifica la IA en cuatro principales categorías según su grado de autonomía: la IA reactiva, la IA deliberativa, la IA cognitiva y la IA autónoma. La IA reactiva es capaz de llevar a cabo funciones concretas de forma independiente, pero carece de capacidad para recordar experiencias previas o prever futuras eventualidades. La IA deliberativa posee  la  capacidad  de  evaluar  situaciones  y  acciones para alcanzar objetivos específicos, además,  es  capaz  de  ajustarse  a  entornos  dinámicos  mediante  el  uso  de  información  histórica y prospectiva. La IA cognitiva simula las  capacidades  cognitivas  humanas  y  tiene  la capacidad de ajustarse a situaciones y entornos  nuevos.  Finalmente,  la  IA  autónoma  trabaja  de  forma  independiente  con  su  entorno,  tomando  decisiones  y  asimilando  conocimientos de nuevas situaciones^xiv.

Herramientas basadas en la IA utilizadas en Latinoamérica

En la educación médica, la IA busca respaldar  la  práctica  clínica  mediante  la  entrega  de  recursos  de  aprendizaje  que  simplifican  la   comprensión   de   los   estudiantes.   Esto   permite  el  acceso  a  enfoques  pedagógicos  novedosos que facilitan tanto la asimilación como  el  empleo  de  conocimientos  obtenidos de manera más fácil^xv. Durante  la  pandemia  de  la  COVID-19, quedaron en evidencia las debilidades de los sistemas sanitarios latinoamericanos, lo que llevó a la necesidad de recurrir a la alternativa de la telemedicina para reducir la demanda de servicios presenciales. La IA ha permitido que el diálogo en una consulta médica se transcriba automáticamente, creando un cambio  en  los  paradigmas  para  los  futuros  médicos con el uso de esta tecnología^xvi. Entre las herramientas basadas en IA utilizadas en Latinoamérica, están los modelos lingüísticos  de  gran  tamaño  (LLM  por  sus  siglas  en  inglés)  que  emplean  técnicas  del  Deep  Learning  (aprendizaje  profundo)  para  simular   habilidades   lingüísticas   humanas;   permiten  imitar  y  predecir  la  interacción  humana con el lenguaje. Ejemplos de estos son  ChatGPT  y  DALLE  por  OpenAI,  Segment  Anything  Model  (SAM)  y  LLaMA  por  Meta, y LaMDA por Google^xvii.

El  chatbot  de  ChatGPT,  ha  generado  un  gran impacto en millones de latinoamericanos por su accesibilidad y facilidad de uso. Es capaz  de  redactar  ensayos,  sintetizar  investigaciones,  e  incluso  responder  preguntas  con precisión^xviii. La calidad del resultado de un  LLM  se  basa  en  la  información  disponible para generar respuestas coherentes; por lo tanto, si estos reciben datos insuficientes por  parte  del  usuario  o  tienen  información  incompleta, el resultado puede contener información incorrecta^xix. Aunque útil, un chatbot avanzado no reemplaza  completamente  el  razonamiento  humano  en  la  educación  con  simulación.  La experiencia y adaptabilidad del educador son esenciales para situaciones imprevistas. Es crucial no depender demasiado de la tecnología y utilizar la IA como complemento, no como recurso exclusivo^xx. Carrasco et al., evaluaron la habilidad de resolver  preguntas  de  ChatGPT  en  la  prueba  MIR  2022  (examen  de  acceso  a  la  Formación  Sanitaria  Especializada  en  España),  alcanzando  el  51,4  %  de  respuestas  correctas, lo que representa aproximadamente 69 respuestas  netas,  suficientes  para  superar  la  nota  de  corte  y  elegir  entre  varias  especialidades^xxi;  mientras,  en  los  Países  Bajos  emplean  IA  para  analizar  su  sistema  de  salud,  identificar  fallas  en  los  tratamientos  y  optimizar  procesos  para  prevenir  hospitalizaciones innecesarias^v. En  Antigua  y  Barbuda,  la  American  University  of  Antigua  reportó  que  33  %  de  la  facultad de Medicina usaba ChatGPT, sobre todo para generar cuestionarios; también se presentó  una  amplia  aceptación  para  usar  esta herramienta en los flujos de trabajo de profesores y estudiantes^xxii.

La  IA  está  estrechamente  relacionada  y  se  incorpora  a  la  tecnología  y  la  programación  de  la  realidad  virtual.  La  personalización,  detección  y  adaptación  al  comportamiento del usuario, así como la mejora de la capacidad  en  la  identificación  de  objetos  y  la optimización de la calidad de los gráficos en la visualización de la realidad virtual son parte de la aplicación de la IA^xxiii. En  las  últimas  décadas,  esta  relación  ha  cobrado importancia debido a que la capacidad  de  recrear  entornos  reales  mediante  la realidad virtual se ha vuelto fundamental, formando  a  los  estudiantes  en  el  desarrollo  de  nuevas  habilidades  y  destrezas^xxiv.  La  práctica  clínica  simulada  en  la  educación  médica proporciona a los estudiantes escenarios  que  brindan  la  oportunidad  no  solo  de ganar experiencia práctica, sino también de  recibir  orientación  directa.

Esta  combinación enriquece notablemente el proceso de aprendizaje de los estudiantes, mejorando  su  preparación  para  situaciones  reales  en el campo médico^xxv. En  2022  la  Universidad  de  El  Salvador  inauguró  un  laboratorio  de  realidad  virtual  que   tiene   la   capacidad   para   interactuar   con  diez  alumnos  en  la  resolución  de  casos  clínicos,  mientras  que  el  resto  de  estudiantes  visualiza  desde  un  aula  contigua  el  contenido  visual  de  la  sala  de  inmersión  virtual. A través de esta, se crean escenarios clínicos de forma que los estudiantes escuchen, vean y actúen como si se encontraran en un entorno real^xxvi.

En  México  se  desarrolló  una  herramienta  de  simulación  quirúrgica  virtual  donde  los  residentes  de  cirugía  pediátrica  se  sumergen  en  escenarios  de  procedimientos  laparoscópicos,   reproduciendo   distracciones reales dentro del quirófano^xxvii. Además, aproximadamente el 14 % de las facultades o  escuelas  de  medicina  en  Perú  durante  el  2019 incorporaron algún tipo de interfaz de realidad  virtual^xxviii.  Adicionalmente,  en  una  universidad  en  Argentina  se  evaluó  el  impacto de la realidad virtual en el aprendizaje percibido  de  anatomía  por  estudiantes  de  ciencias de la salud, comparándola con herramientas tradicionales, y se determinó que tiene un efecto positivo, ofreciendo reforzar las estrategias docentes^xxix.

La   Pontificia   Universidad   Católica   de   Chile,  introdujo  la  plataforma  C1DO1,  que  ofrece  evaluación  y  apoyo  para  mejorar  la  calidad  de  la  retroalimentación  durante  la  revisión  de  videos  de  estudiantes,  permitiendo   la   evaluación   automatizada.   Esta   plataforma  permite  a  los  instructores  identificar áreas de mejora en sus retroalimentaciones.  Asimismo,  facilita  la  generación  automática  de  resúmenes  editables  de  todos  los  comentarios,  haciendo  uso  de  modelos  de  LLM  de  IA.  Los  instructores  tienen  la  capacidad  de  personalizar  estos  resúmenes,  ofreciendo   una   herramienta   eficaz   para   comunicar  información  de  manera  clara  y  útil a los estudiantes^xi.En Chile también introdujeron un algoritmo de IA para evaluar un curso de laparoscopía  básica  simulada,  con  la  aplicación  de  redes neuronales convolucionales como Unet y YOLO v4 para analizar videos de ejercicios  laparoscópicos.  Este  algoritmo  detecta  la posición de las herramientas quirúrgicas y el movimiento de los objetos, como su caída y la transferencia de figuras, calculando el tiempo necesario para completar el ejercicio. Los resultados se comparan con estándares de  expertos,  proporcionando  mediciones  objetivas en la ejecución de los estudiantes en laparoscopía básica simulada^xi.

Oportunidades en la implementación de la IA para educación médica

Los  futuros  médicos  y  líderes  en  salud  tienen un papel crucial en la implementación clínica de tecnologías basadas en IA. Actualmente, se dispone de un amplio espectro de recursos tecnológicos que han permitido al ser  humano  lograr  objetivos  antes  inalcanzables, siendo la IA uno de ellos. Su inclusión en la educación médica ha despertado vasto interés por su capacidad para incrementar la calidad de la enseñanza y el aprendizaje de los estudiantes en formación^xxx,xxxi. Arbelaez Ossa et al., resaltaron la necesidad de incorporar estrategias de enseñanza dinámica  con  un  enfoque  práctico  del  uso  de la IA en la formación médica y desarrollar pensamiento computacional, habilidad que trasciende los fundamentos teóricos del código  de  programación,  debido  a  la  necesidad  de  las  instituciones  del  uso  técnico  de  esta  herramienta  en  el  contexto  clínico^xxii.

Asimismo,  la  IA  nos  ofrece  contenido  educativo de tipo adaptativo que sea adecuado para las lagunas de conocimiento y la velocidad de aprendizaje de cada estudiante mediante el análisis de enormes cantidades de datos y utilización de algoritmos de aprendizaje  automático.  Este  enfoque  personalizado  fomenta  una  comprensión  más  profunda  de  ideas  médicas  complejas  y  aumenta  la participación del médico en formación^xxxiii. En  la  práctica  médica  contemporánea,  se  calcula  que  los  médicos  solo  dedican  un 12 % de su jornada a interactuar con los pacientes  que  están  hospitalizados.  Esta  situación  se  debe  en  gran  medida  a  las  numerosas  tareas  administrativas  que  deben  realizar,  lo  que  afecta  significativamente  el  tiempo  disponible  para  la  atención  directa.  La  IA  podría  representar  una  solución  para  liberar de estas actividades repetitivas^xxxiv.

Se ha expuesto la necesidad de que los planes de  estudio  médicos  incluyan  los  principios  de diseño de registros médicos electrónicos y  el  desarrollo  de  habilidades  para  proporcionar aportes imparciales a los mismos, que serían utilizados por los sistemas de IA para informar los resultados de sus algoritmosⁱ. La  IA  posibilita  la  manipulación  óptima  de  cantidades  grandes  de  datos  clínicos  y  científicos, que se actualizan constantemente. Esto permite tanto a estudiantes de medicina como a médicos ya graduados acceder de  manera  rápida  y  precisa  a  información  relevante  y  actualizada.  Este  recurso  resulta  especialmente útil en el ámbito de la medicina fundamentada en la experiencia, facilitando la toma de decisiones informadas^xxxv. En el análisis de desempeño en la formación  universitaria,  la  IA  podría  optimizar  los  resultados, agilizar el trabajo administrativo, e impulsar la retroalimentación inmediata al disminuir el tiempo para calificar y favorecer el progreso de los estudiantes.

Esto sería de especial  beneficio  con  grupos  grandes  de  estudiantes,  ya  que  podría  desempeñar  un  papel en la revisión automática de preguntas abiertas e incluso hacer uso del reconocimiento facial para la toma de asistencia^xxxvi. La  retroalimentación  es  esencial  en  la  educación,  siendo  más  efectiva  cuando  es  detallada,  rápida  y  personalizada  para  cada  alumno.  La  introducción  de  IA  en  la  formación médica puede enriquecer la comunicación entre docentes y estudiantes al simplificar tareas como transcribir, traducir y resumir la retroalimentación proporcionada^xi. Los LLM como ChatGPT en la educación médica  pueden  ser  útiles  si  se  utilizan  de  forma  correcta.  Estas  herramientas  brindan  oportunidades   de   enseñanza-aprendizaje   para  docentes  y  estudiantes,  al  permitir  el  aprendizaje  personalizado,  la  asistencia  en  investigación,  el  acceso  rápido  a  información,  la  generación  de  casos  clínicos,  cuestionarios,  resúmenes  y  traducciones  para  facilitar el aprendizaje^xxxvii. Las respuestas en ChatGPT pueden variar en precisión, a veces generando información incorrecta o ficticia que no se basa en los datos proporcionados por los usuarios.

Por otro lado, OpenEvidence,  otro  LLM,  ofrece  explicaciones  concisas  con   referencias   a   artículos   de   investigación  pertinentes  al  responder  a  preguntas  clínicas específicas^xix. La  IA  posibilita  la  creación  de  distintos  escenarios  virtuales  destinados  al  entrenamiento y aprendizaje que simulan intervenciones reales. Estos entornos permiten a los estudiantes poner en práctica tanto los conocimientos  teóricos  como  las  habilidades  técnicas  adquiridas,  sin  exponer  a  ningún  paciente a riesgos reales^xxxviii. La tecnología cambia la formación médica al permitir la visualización de estructuras anatómicas  sin  necesidad  de  cadáveres.  El  uso de maquetas y software reemplaza las disecciones tradicionales, reduciendo costos y mejorando la seguridad del aprendizaje^xxxix. En  entornos  de  realidad  virtual  y  simulación   médica,   la   IA   ofrece   experiencias   inmersivas  y  desafiantes  para  mejorar  las  habilidades  clínicas.  El  entrenamiento  proporciona   retroalimentación   personalizada   basada  en  fortalezas  y  debilidades  del  estudiante,  identificando  áreas  de  desarrollo.

Esta  retroalimentación  objetiva  mejora  el  proceso de aprendizaje al ofrecer escenarios con parámetros reales^xi. La  IA  en  cirugía  posibilita  detectar  pautas  que  son  utilizadas  en  simulaciones  y  entornos  de  realidad  virtual  para  un  adiestramiento  interactivo  y  realista.  Durante  los  procedimientos   reales,   los   algoritmos   de   redes  neuronales  analizan  datos  complejos  del  campo  quirúrgico  para  ayudar  en  la  elección del próximo paso a seguir^xi.

Obstáculos de incorporar la IA en la enseñanza médica

Actualmente,   la   formación   médica   se   encuentra  ante  un  desafío  formidable:  el  crecimiento  progresivo  de  las  ciencias  y  el  continuo  avance  de  dichas  herramientas  revolucionarias   hacen   que   la   enseñanza   convencional  quede  obsoleta.  Esto  implica  que las universidades inviertan en la integración de ambientes virtuales del aprendizaje, que  acarrea  retos,  tales  como:  carencia  de  conocimiento  por  parte  del  educador  con  respecto  al  uso  de  la  IA,  poca  evidencia  en  relación al impacto de este modelo pedagógico, escasez de material interactivo y poco financiamiento  hacia  infraestructura  y  adquisición de equipos de enseñanza^xl.

Incluso siendo la IA precisa y eficiente, es crucial reconocer su susceptibilidad al error, siendo   necesaria   la   supervisión  humana. Debido  a  que  los  profesionales  sanitarios  son  los  últimos  responsables  de  aplicar  las  sugerencias  basadas  en  IA,  los  programas  de   educación   médica   deben   desarrollar   una  gama  de  escenarios  para  identificar  diagnósticos  equivocados  o  prescripciones  incorrectas generadas por IA, para propiciar experiencias prácticas en la gestión de errores de IA con acciones correctivas^xli. La  introducción  de  modelos  de  lenguaje en la educación médica plantea desafíos éticos  y  operativos.

Existe  el  riesgo  de  deshonestidad  académica,  ya  que  podrían  ser  utilizados para responder exámenes o crear ensayos  fraudulentos,  comprometiendo  la  integridad educativa^xi. Con  el  uso  de  la  IA,  surgen  preocupaciones  éticas  en  la  formación  médica.  Además de los principios éticos fundamentales, la  ética  de  la  IA  aborda  temas  recurrentes  como transparencia, explicabilidad, responsabilidad y equidad. Los algoritmos pueden contener  sesgos  de  los  desarrolladores  y  amplificarlos  con  los  datos  que  manejan,  aumentando las desigualdades. Estos desafíos  éticos  también  involucran  la  seguridad  de  la  información  personal  en  servicios  de  salud. Este dilema puede considerarse inevitable,  ya  que  es  mediante  esta  circulación  de  información  privada  como  la  base  de  datos  mejora  el  algoritmo  de  aprendizaje  automático y profundo^xlii.

Otro desafío es el marco legal que regula la IA, a nivel global su uso se rige predominantemente  por  los  marcos  normativos  de  Software  como  un  dispositivo  médico.  En  2021 la Cámara de Diputados en Brasil aprobó  el  Marco  Legal  Brasileño  para  la  IA  para  regular el uso y desarrollo de la IA; además, en 2022 el Senado del mismo país presentó el  borrador  para  una  Ley  de  IA,  esta  última  clasificaba  las  aplicaciones  sanitarias  como  sistemas de IA de alto riesgo^xliii. Países como Colombia,  han  presentado  avances  en  la  elaboración  de  leyes  para  establecer  lineamientos  de  la  implementación  de  la  IA  en  sectores heterogéneos del país^xliv.

La  falta  de  coherencia  en  las  respuestas  de  la  IA  es  un  desafío  significativo,  pudiendo  causar  confusión  al  ofrecer  diferentes  respuestas  para  un  mismo  mensaje.  Existe  el  riesgo  de  sesgo  algorítmico,  donde  los  modelos   pueden   perpetuar   estereotipos   presentes  en  los  datos  de  entrenamiento,  lo  que  requiere  una  atención  ética  y  mucho cuidado para su uso en educación^xi con énfasis  en  el  concepto  de  plagio,  manipulación  de  imágenes,  autoría  y  derechos  de  autor en investigaciones falsas lideradas por estudiantes^xlv-xlvi. Por lo tanto, es deber de los educadores  crear  directrices  claras  con  respecto a la inclusión ética de la IA y motivar el pensamiento crítico de los alumnos^xlvii.

La dependencia de la IA puede obstaculizar  el  desarrollo  de  habilidades  cruciales, como  el  pensamiento  crítico  y  la  comunicación verbal. La limitación en la interacción humana y expresión emocional es evidente, ya  que  los  modelos  de  lenguaje  están  restringidos  a  una  interfaz  textual,  incapaces  de reconocer gestos o expresar emociones, aspectos cruciales para una educación integral^xi. Esto podría tener un impacto negativo en el diálogo y sinergia entre los futuros médicos,  debido  a  que  estas  habilidades  son  fundamentales  en  la  mayoría  de  las  prácticas médicas habituales^xlviii. Los desafíos en la implementación de aulas  de  IA  en  universidades  incluyen  la  poca  adaptabilidad  ante  escenarios  cambiantes  por parte de los administradores, deficiencia de conocimientos digitales entre profesores, la escasez de investigación sobre su impacto,  y  los  recursos  limitados  para  invertir  en  tecnología e infraestructura^xl. La  falta  de  conectividad  a  Internet  en  Latinoamérica  representa  una  demora  en  la adopción de tecnologías avanzadas; la región continúa registrando uno de los menores  volúmenes  de  tráfico  de  datos  móviles  a  nivel  global,  con  un  promedio  de  449  terabytes al mes. Esta cifra representa apenas una séptima parte del tráfico observado en la región de AsiaPacífico^xlix. Finalmente,  con  la  integración  de  la  IA  en  el  ejercicio  médico,  los  profesionales  de  la  salud  deben  adquirir  conocimientos  del  manejo de datos, las consideraciones éticas y  legales  del  uso  de  dichas  herramientas,  e  identificar  los  casos  en  que  los  algoritmos  no son precisos, siendo este uso consciente un nuevo reto para los estudiantes, médicos residentes y docentes^l.

Conclusiones

La  IA  utiliza  sistemas  informáticos,  plataformas  digitales  y  máquinas  para  replicar  y  mejorar las habilidades cognitivas humanas en la resolución de problemas y la toma de decisiones. En Latinoamérica se está expandiendo  el  uso  de  herramientas  basadas  en  la  IA  en  diversos  sectores  de  la  salud,  entre  ellos la educación médica. Estos instrumentos  son  usados  para  optimizar  procesos,  ofrecer   consultas   personalizadas   y   mejorar  la  toma  de  decisiones  de  profesores  y  estudiantes;  junto  con  la  realidad  virtual,  proporcionan  entornos  de  aprendizaje  inmersivo y personalizado. La  integración  de  la  IA  en  la  educación  médica  mejora  la  eficacia  y  personalización  del  aprendizaje;  sin  embargo,  es  fundamental  enfrentar  los  desafíos  relacionados  con  la  ética,  los  aspectos  legales  y  de  ejecución  con  el  fin  de  hacer  uso  pleno  de  la  IA  en  la  educación   médica   latinoamericana.   Además,  es  crucial  encontrar  un  equilibrio  adecuado  entre  la  tecnología  y  la  formación  tradicional  en  medicina,  ya  que  la  empatía  y  el  cuidado  personalizado  del  paciente  no  pueden ser sustituidos.

Agradecimientos

Agradecemos  a  Gloria  Patricia  Argueta  de  Cativo  por  su  orientación  durante  la  confección de esta revisión.

Financiamiento

Los autores declaran no tener fuentes de financiamiento.

Referencias bibliográficas